中國股票市場異常下跌時期的日歷效應(yīng)分析

摘 要：利用Var方法界定出股票市場的異常時期后，可對股票市場異常下跌時期的日歷效應(yīng)進行分析。實證表明我國股票市場在異常下跌時期具有明顯的“五月份效應(yīng)”、“周初效應(yīng)”和“周末效應(yīng)”。“五月份效應(yīng)”的產(chǎn)生與我國上市公司的會計信息披露時間以及經(jīng)濟政策的調(diào)整和公布時間有關(guān)，而“周初效應(yīng)”和“周末效應(yīng)”與大多數(shù)學(xué)者已證實的股票市場正常時期的周內(nèi)效應(yīng)是一致的。

關(guān)鍵詞：股票市場；異常下跌；日收益率；日歷效應(yīng)；月份效應(yīng)；周內(nèi)效應(yīng)

中圖分類號：F830.91 文獻標(biāo)志碼：A 文章編號：1674-8131（2010）06-0078-07

Empirical Analysis of Calendar Effect of China’s

Stock Market in Abnormal Period

ZHANG Su-lin1， WANG Yan2 

(1.School of Economics and Trade， Chongqing Institute of Technology， Chongqing 400050，China;

2.Department of Statistics Research， Shaanxi Branch of China Insurance Supervision Committee， Xian 710024， China)

Abstract: After using Var method to define abnormal period of stock market， the calendar effect in the abnormal period of stock market can be analyzed. Empirical research shows that China’s stock market in abnormal period has obvious May Effect， Initial Week Effect and Weekend Effect， May Effect is related to accounting information disclosure time of listed companies and publicizing time of economic policy adjustment， and Initial Week Effect and Weekend Effect are identical with Within Week Effect which has been proven by most scholars in normal period of stock market. 

Key words：stock market; abnormal fall; date yield; calendar effect; month effect; within week effect

一、引言

1929年的經(jīng)濟大危機出現(xiàn)在10月24日，1987年的股災(zāi)出現(xiàn)在10月19日，2008由華爾街引發(fā)的金融海嘯也出現(xiàn)在9月和10月之際，那么在股票市場異常下跌時期是否具有明顯的日歷效應(yīng)？有研究者已經(jīng)證明了在紐約股票市場上具有典型的“十月份效應(yīng)”，即十月份在道瓊斯指數(shù)大幅下跌的75天中共出現(xiàn)了23天，出現(xiàn)的概率超過30%，遠高于每月出現(xiàn)的平均概率8%。同時十月份的下跌幅度均大于其他月份，與其他月份的跌幅相比較，十月份的跌幅要高1.528 2%［1］。

有效市場作為現(xiàn)代金融學(xué)的核心基礎(chǔ)理論一直受到不同研究者的質(zhì)疑，其中有關(guān)“日歷效應(yīng)”的研究成為挑戰(zhàn)有效市場理論的主要證據(jù)。“日歷效應(yīng)” 可以進一步分為月份效應(yīng)、周內(nèi)效應(yīng)等。自從Rozeff 和Kinney（1976）驗證了美國股票市場一月份存在有正的超額收益以來，不同學(xué)者利用不同時間段和地區(qū)的市場數(shù)據(jù)對股票市場的月份效應(yīng)進行驗證，如，Berges、McConnell 和Schlarbaum（1984）、Kato 和Schallheim（1985）、Nassir 和Mohammad（1987）、Pang（1988）、Aggarwal和Rivoli（1989）等，絕大多數(shù)的實證結(jié)果證實了“一月份效應(yīng)”的存在［2］。我國的學(xué)者隨后也利用不同的方法和時間段對我國市場的“月份效應(yīng)”進行了驗證，如張俊喜和張華（2003）、奉立城（2003）、劉鵬（2004）、徐煒（2005）、蔡華（2006）、何曉光（2006）、江州（2008）［3］，得到的結(jié)論大多不同，有的認為我國市場不存在月份效應(yīng)，有的認為存在，但出現(xiàn)的具體月份是不同的。周內(nèi)效應(yīng)開始于Fred C. Kelly(1930)對美國股票市場的研究，隨后大量的研究者對不同市場分別進行了研究，如Harris（1986）、Keim和Stambaugh（1984）、Kim（1988）、Lakonishok和Levi（1982）、Jaffe和Westerfield（1985）、Solnik和Bousquet（1990）、Barone（1990）、Wong Hui和Chan (1992) ［2］，基本的結(jié)論是歐美市場和大多亞太市場具有明顯的正的“周五效應(yīng)”，而負的周內(nèi)效應(yīng)出現(xiàn)的天數(shù)在不同市場是不同。國內(nèi)學(xué)者的研究也證實了我國股票市場周內(nèi)效應(yīng)的存在，但具體出現(xiàn)的天數(shù)也不盡相同，如奉立誠（2000）發(fā)現(xiàn)中國股票市場存在顯著為正的“周五效應(yīng)”及顯著為負的“周二效應(yīng)”效應(yīng)［4］；王翠翠（2007）利用Mann—Whitney檢驗收益率周內(nèi)效應(yīng)的模式，發(fā)現(xiàn)了顯著為正的“周一效應(yīng)”；吳武清等（2008）通過對時變貝塔、時變特雷諾比率和交易量的分析，指出上證指數(shù)收益率有明顯的“周四效應(yīng)”［5］。張?zhí)K林，王 巖:中國股票市場異常下跌時期的日歷效應(yīng)分析

上述研究者選取的樣本數(shù)據(jù)均來自于正常連續(xù)的時間序列，但是隨著金融危機的頻發(fā)，人們越來越關(guān)注市場的異常時期，不斷利用不同的方法尋找市場異常時期的規(guī)律。那么我國股票市場在異常時期是否具有月份效應(yīng)和周內(nèi)效應(yīng)？本文將對我國股票市場市場異常下跌時期的日歷效應(yīng)進行實證分析，以便尋求市場異常時期的日歷效應(yīng)規(guī)律。

二、數(shù)據(jù)、篩選和基本的統(tǒng)計分析

考慮到選取時間段的非連續(xù)性，本文對月份效應(yīng)和周內(nèi)效應(yīng)的界定為：首先它們出現(xiàn)的頻率也要比每月或一周每天出現(xiàn)的平均頻率高，然后它們的收益率與其他月份或周數(shù)的收益率相比具有顯著的差別，從而尋找出在股票市場異常時期是否具有顯著的月份效應(yīng)和周內(nèi)效應(yīng)。

1．?dāng)?shù)據(jù)以及收益率

文本確定滬、深兩市開市以來到2010年1月29日為研究的時間段，選取的指標(biāo)是上證指數(shù)和深成指數(shù)，數(shù)據(jù)間隔是日。上證指數(shù)總共選取了4 689個數(shù)據(jù)，深成指數(shù)總共選取了4 644個數(shù)據(jù)。由于超常收益率的方差不能通過較為復(fù)雜模型的選擇而明顯減少，簡單形式得到的結(jié)果與復(fù)雜模型得到的結(jié)果極為相似，因此本文采取最簡單的形式來確定日收益率：Rt=Pt－Pt－1Pt。

2．市場異常時臨界值的確定和數(shù)據(jù)的篩選

市場的異常時期，一般指的是市場整體出現(xiàn)大幅上漲或下跌的時段，本文研究的對象是市場異常下跌時的情況。為了從整體數(shù)據(jù)中找出市場異常下跌時的數(shù)據(jù)，首先要確定市場異常下跌的臨界值，然后根據(jù)小于該臨界值的準(zhǔn)則得到市場異常下跌時的數(shù)據(jù)。本文采用在險價值（Var）的方法來確定臨界值。計算Var一般分為三步：（1）假定置信水平，一般采用99%或95%的置信水平，本文選取95%的置信水平。（2）推導(dǎo)資產(chǎn)價格或收益的遠期分布，有三種方式：一是分析性地對資產(chǎn)價格或收益分布進行假定，二是根據(jù)歷史數(shù)據(jù)的變化模擬資產(chǎn)價格或收益的未來分布，三是利用資產(chǎn)價格或收益的隨機模型來估計在一定時期資產(chǎn)價格或收益的分布。（3）根據(jù)上步的分布特性進行計算在一定置信水平下的Var。根據(jù)第二步第一種方法計算的Var我們稱為方差—協(xié)方差法，第二種計算的Var是歷史數(shù)據(jù)模擬法，而第三種方法對應(yīng)的是蒙特卡羅模擬法。

從上面的分析中我們能得到Var計算的核心是對資產(chǎn)價格或收益分布的確定。方差—協(xié)方差法的使用，必須首先知道資產(chǎn)價格或收益的分布。本文利用Matlab軟件對上證指數(shù)和深成指數(shù)的日收益率分布進行單樣本Kolmogorov-Smirnov 檢驗。單樣本 K-S 檢驗是頻數(shù)優(yōu)度擬合檢驗，用于檢驗變量是否服從某一指定分布，它將一個變量的實際頻數(shù)分布與正態(tài)分布(Normal)、均勻分布(Uniform)、泊松分布(Poisson)、對數(shù)正態(tài)分布(Lognormal)、 維布而分布(Weibull) 、t分布（student）等分布進行比較。單樣本 K-S 檢驗結(jié)果如果拒絕零假設(shè)，則H =1，否則H =0。本文在Matlab環(huán)境下編制K-S 檢驗的M文件，最后的結(jié)果都是1，證明上證指數(shù)和深成指數(shù)日收益率分布不服從我們一般常見的分布，因此通過方差—協(xié)方差法很難計算出市場大幅下跌的臨界值。

歷史數(shù)據(jù)模擬法，先要給定樣本數(shù)據(jù)和置信水平，借助于樣本百分位點確定與置信水平相對應(yīng)的分界點，該分界點對應(yīng)的資產(chǎn)價值就是相應(yīng)的Var數(shù)值。具體的方法：對上證指數(shù)和深成指數(shù)日收益率從高向低排序。在置信水平95%的條件下，上證指數(shù)4 689個日收益率中對應(yīng)的百分位數(shù)是234.45，我們選取234，234對應(yīng)的上證指數(shù)收益率為-0.033，因此我們可以設(shè)定在上證指數(shù)日收益率低于-0.033的時期為上海股票市場異常下跌的時期。深成指數(shù)4 644個日收益率中對應(yīng)的百分位數(shù)是232.2，我們選取232，232對應(yīng)的上證指數(shù)收益率為-0.032 2，因此我們可以設(shè)定在上證指數(shù)日收益率低于-0.032 2的時期為深圳股票市場異常下跌的時期。我們也可以利用MATLAB軟件編制M文件來選取滬、深兩市異常下跌的臨界值，得到的結(jié)果與上述方法是一樣的。

在蒙特卡羅模擬法中，本文選取最常用的反映收益率變化的隨機模型——幾何布朗運動，利用幾何布朗運動作為收益率變化的隨機模型進行蒙特卡羅模擬分析。具體的步驟：

（1）選擇隨機模型，估計相關(guān)參數(shù)。我們選取的隨機模型是：St+1=Stexp(μΔt+σzΔt)。其中，St為t時刻股票的價格，μ和σ分別為t時刻的瞬間漂移和波動，Δt為時間間隔。選取滬、深兩市開市以來第一個收益率為初試值，選取一定時間段的收益計算收益率的均值和標(biāo)準(zhǔn)差，作為相應(yīng)參數(shù)μ和σ 的估計值。

（2）模擬市場指數(shù)的運動路徑，產(chǎn)生符合標(biāo)準(zhǔn)正態(tài)分布的隨機數(shù)，利用隨機模型計算下一個指數(shù)價格，不斷地重復(fù)上述步驟，得到相應(yīng)的指數(shù)價格。

（3）估計Var，找到滬、深兩市異常下跌的臨界值。利用上步模擬的分布，根據(jù)特定的置信度（95%），由分位數(shù)估計出相應(yīng)的Var的值（也就是滬、深兩市異常下跌的臨界值）。這部分的計算本文利用的是MATLAB軟件完成，上證指數(shù)的臨界值為-0.046 2，深成指數(shù)的臨界值為-0.039 4。

通過歷史數(shù)據(jù)模擬法和蒙特卡羅模擬法計算得到的臨界值比較，蒙特卡羅模擬法計算的臨界值要大些，考慮到蒙特卡羅模擬法相對于歷史數(shù)據(jù)模擬法的眾多優(yōu)點，因此本文選取蒙特卡羅模擬法得到的結(jié)果。

根據(jù)上證指數(shù)-0.046 2的臨界值和深成指數(shù)-0.039 4的臨界值，本文從上證指數(shù)4 689個數(shù)據(jù)和深成指數(shù)4 644個數(shù)據(jù)中分別篩選了128和158個日收益數(shù)據(jù)，作為我國股票市場異常下跌時期的研究對象。

3．中國股票市場異常下跌時期的月份和周數(shù)基本統(tǒng)計分析

從表1和表2中我們看出，上海股票市場異常下跌時期，平均的跌幅為6.7%，其中十二月份下跌的幅度最大為8.2%，一月份和十一月份下跌的幅度最小為5.9%。五月份、八月份、九月份和十月份出現(xiàn)的頻率超過了每月出現(xiàn)的平均頻率，其中五月份出現(xiàn)的次數(shù)最多，相應(yīng)的頻率是12.6%，高于每月出現(xiàn)平均概率4.27個百分點。四月份出現(xiàn)的次數(shù)最少，只有7次，低于每月出現(xiàn)平均概率2.82個百分點。深圳股票市場異常下跌時期，平均的跌幅為5.9%，其中八月份下跌的幅度最大為6.9%，三月份下跌的幅度最小為4.8 %。五月份、六月份、七月份、八月份、九月份和十一月份出現(xiàn)的頻率超過了每月出現(xiàn)的平均頻率，其中七月份出現(xiàn)的次數(shù)最多，相應(yīng)的頻率是12.1%，高于每月出現(xiàn)平均概率3.77個百分點。三月份出現(xiàn)的次數(shù)最少，只有7次，低于每月出現(xiàn)平均概率3.87個百分點。

從表3和表4中我們看出，上海股票市場異常下跌時期，平均跌幅為6.7%，其中周二下跌的幅度最大為7.5%，周五下跌的幅度最小為5.6%。深圳股票市場異常下跌時期，平均跌幅為5.9%，其中周二下跌的幅度最大為6.6%，周五下跌的幅度最小為5.2%。我們可以看出我國兩個股票市場在異常下跌時，最大跌幅和最小跌幅出現(xiàn)的周數(shù)具有一致性，同時周數(shù)出現(xiàn)的頻率也具有一致性，都是周一出現(xiàn)的次數(shù)最多，緊著是周二、周四，周三出現(xiàn)的次數(shù)倒數(shù)第二，周五出現(xiàn)的次數(shù)最少，周一和周二出現(xiàn)的頻率高于一周其他天出現(xiàn)的頻率。

三、計量分析方法

為了進一步對中國股票市場異常下跌時期出現(xiàn)的月份效應(yīng)和周末效應(yīng)進行研究，本文用下列回歸方程來檢驗在市場異常時期各個月份和周數(shù)的跌幅是否具有差異性：

Rt－Rt=12i=1αiMit+εt

Rt－Rt=5i=1βiWit+ηi

Rt是在中國股票市場出現(xiàn)大跌時，上證指數(shù)或深成指數(shù)每日的收益率，Rt是股票指數(shù)收益率的均值；Mit是一年中月份i的虛擬變量。Wit是一周中星期i的虛擬變量；如果所觀測的收益率為一月份某天的收益率，那么M1t=1；如果觀測的是其他月份的某天，那么M1t=0。同理如果所觀測的收益率為周一的收益率，那么Wit=1；如果觀測的是其他周數(shù)，那么Wit=0。上述兩個模型用來檢驗每個月和每個周數(shù)的相對平均收益率（與總的收益率差額）是否有顯著的差異。考慮到普通最小二乘法極易出現(xiàn)異方差［6］，因此本文直接利用加權(quán)最小二乘法對上述模型進行回歸，權(quán)數(shù)為用普通最小二乘法所得到的剩余項標(biāo)準(zhǔn)差的估計值的倒數(shù)，最后利用White檢驗證實效果是良好的，回歸結(jié)果如表5~表8。



從表5和表6我們可以看出，在滬、深兩市異常下跌的時期出現(xiàn)了一定的月份效應(yīng)。在上海股票市場中，當(dāng)股票價格異常下跌的時期，五、八、十和十二月份平均下跌的幅度比周內(nèi)平均下跌的幅度大，其中十二月份平均下跌的幅度最大，比平均下跌的幅度還要下跌1.174個百分點；其余月份平均下跌的幅度比平均下跌的幅度小，尤其是四月份平均下跌的幅度最小，比平均下跌的幅度要高1.044個百分點。在深圳股票市場中，當(dāng)股票價格異常下跌的時期，也是五、八、十和十二月份平均下跌的幅度比平均下跌的幅度大，其中八月份平均下跌的幅度最大，比平均下跌的幅度還要下跌0.996個百分點；其余月份下跌的幅度比平均下跌的幅度小，尤其是三月份平均下跌的幅度最小，比平均下跌的幅度要多1.228個百分點。

從表7和表8我們可以看出在滬、深兩市異常下跌的時期出現(xiàn)了明顯的周內(nèi)效應(yīng)。在上海股票市場中，當(dāng)股票價格異常下跌的時期，周一和周二平均下跌的幅度比周內(nèi)平均下跌的幅度大，周二平均下跌的幅度最大，比周內(nèi)平均下跌的幅度還要下跌0.873個百分點；其余天數(shù)平均下跌的幅度比周內(nèi)平均下跌的幅度小，尤其是周五平均下跌的幅度最小，比周內(nèi)平均下跌的幅度要高1.129個百分點。在深圳股票市場中，當(dāng)股票價格異常下跌的時期，周二平均下跌的幅度比周內(nèi)平均下跌的幅度大，相差的幅度為0.67個百分點；其余天數(shù)下跌的幅度比周內(nèi)平均下跌的幅度小，尤其是周四平均下跌的幅度最小，比周內(nèi)平均下跌的幅度要高0.69個百分點。

四、結(jié)論及解釋

從以上分析我們可以看出，在上海股票市場異常下跌時期，五月份、八月份、十月份和十二月份的相對平均收益都為負數(shù)，意味著這些月份的跌幅大于平均跌幅，但是八月份的相對平均收益在統(tǒng)計上不顯著，同時十二月份在異常下跌時期出現(xiàn)的頻率低于平均頻率。因此我們的結(jié)論是在上海股票市場異常下跌的時期具有“五月份效應(yīng)”和“十月份效應(yīng)”，這兩個月出現(xiàn)的頻率大于每月出現(xiàn)的平均頻率，同時下跌的幅度大于平均跌幅。在深圳股票市場異常下跌時期，五月份、八月份、十月份、十一月份和十二月份的相對平均收益都為負數(shù)，意味著這些月份的跌幅大于平均跌幅，但是十一月份的相對平均收益在統(tǒng)計上不顯著，同時十月份和十二月份在異常下跌時期出現(xiàn)的頻率低于平均頻率。因此我們的結(jié)論是在深圳股票市場異常下跌的時期具有“五月份效應(yīng)”和“八月份效應(yīng)”，這兩個月出現(xiàn)的頻率大于每月出現(xiàn)的平均頻率，同時下跌的幅度大于平均跌幅。從整個我國股票市場上看，具有“五月份效應(yīng)”。

在上海股票市場異常下跌時期，周一和周二的平均跌幅都大于總的平均跌幅，同時一周內(nèi)的這兩天在市場異常時期出現(xiàn)的頻率也大于每天的平均跌幅。周五的平均跌幅小于總的平均跌幅，出現(xiàn)的頻率也小于每天的平均跌幅。因此在上海股票市場異常下跌的時期具有明顯的“周初效應(yīng)”和“周末效應(yīng)”。周初出現(xiàn)的頻率大于每天出現(xiàn)的平均頻率，同時下跌的幅度大于平均跌幅；周末出現(xiàn)的頻率小于平均出現(xiàn)的頻率，同時下跌的幅度小于平均跌幅。在深圳股票市場上同樣具有明顯的“周初效應(yīng)”和“周末效應(yīng)”，因此在我國股票市場異常下跌時期具有明顯的“周初效應(yīng)”和“周末效應(yīng)”。

關(guān)于異常下跌時期“月份效應(yīng)”解釋：（1）我國上市公司的“會計信息披露”。我國證券監(jiān)督委員會規(guī)定上市公司年報的公布時間是一到四月份，但大多數(shù)公司的年報一般在每年的四月份公布，在外部環(huán)境惡化的異常時期，年報公布的利空信息直接使得五月份整個證券市場低迷，因此滬深兩市均出現(xiàn)了異常時期的“五月份效應(yīng)”。而上海市場的“十月份效應(yīng)”和深圳市場的“八月份效應(yīng)”均與上市公司的半年報公布有關(guān)。（2）經(jīng)濟政策的調(diào)整與公布。我國一般每年三月份召開“兩會”，確定我國經(jīng)濟政策的方向，一些具體的政策調(diào)整與公布一般放在四月和五月，在長期有“政策市”特征的我國股票市場，五月份行情的轉(zhuǎn)向與經(jīng)濟政策的調(diào)整與公布也是密不可分的。

關(guān)于異常下跌時期周內(nèi)效應(yīng)解釋：異常下跌時期出現(xiàn)的“周初效應(yīng)”和“周末效應(yīng)”與大多數(shù)學(xué)者已證實的我國股票市場正常時期“周內(nèi)效應(yīng)”是一致的，因此可以利用信息因素、情緒因素和周五收盤價等因素解釋。

參考文獻：

［1］ 張?zhí)K林.美國股票市場異常時期的“十月份效應(yīng)”實證檢驗［J］.商業(yè)時代，2010（14）：62-63.

［2］ 鄒宏元.金融計量經(jīng)濟學(xué)［M］.成都：西南財經(jīng)大學(xué)出版社，2005.

［3］ 江州，謝赤，張振宇.中國股票市場月份效應(yīng)研究［J］.財經(jīng)理論與實踐，2008（3）：65-70.

［4］ 奉立城. 中國股票市場的“周內(nèi)效應(yīng)”［J］.經(jīng)濟研究，2000（11）：50-57.

［5］ 吳武清，陳敏，梁斌.中國股市周內(nèi)效應(yīng)研究——來自時變貝塔、時變特雷諾比率和交易量的新結(jié)果［J］.數(shù)理統(tǒng)計與管理，2008（1）:133-147.

［6］ 奉立城. 中國股票市場的月份效應(yīng)和月初效應(yīng)［J］.管理科學(xué)，2003（1）：42-43.



（編輯：南 北；校對：段文娟）